基因大数据分析的云计算实践

基因测序有着广泛的行业应用，在预防出生缺陷、检测遗传性疾病与肿瘤用药指导等领域，能提供极大帮助。近年来基因组学研究进展飞速，华大基因也凭借强大的研发实力，成为全球最大的基因组学研究中心，其研究成果在全球都有广泛的影响力。

在基因组学行业迅速发展的当下，基因测序成本已实现快速下降，从过去的天价一跃进入大众也能轻松负担的“千元”时代。同时，多项杀手级临床应用均引入基因测序，拉动覆盖用户数量成倍攀升。随着高通量测序仪的发展，需要存储计算的基因数据量，呈指数级增长。基因测序已进入爆发式的阶段，用户和应用量级的爆发，带来了数据计算的爆发。

随着生命科学领域数据爆炸式的增长，如何及时获取、快速分析、安全储存这些庞大的数据是研究者们急需解决的问题，包括华大基因都面临的挑战。2017年11月22日的广州云栖大会服务专场上，华大基因 BGI Online 产品总监黄泽辉，分享了华大基因在这个问题上面临的挑战与解决方案。

24小时，完成千人基因数据分析？

人一生的基因数据的管理和存储数据量相当庞大，而华大基因提供的基因快速检索和查询，涉及到基因数据在数据分析中的降维过程。过程中数据密集型和CPU密集型的计算分析任务，计算能力要求高，结果文件种类繁多，数据非结构化，不利于数据挖掘和可视化。目前使用了多地测序中心，用户分布广泛，数据共享和传输困难。

传统方案是基于大型计算设备和存储设备购买来解决，出于成本和服务器跟进速度的考量，华大基因 BGI Online 则搬到了云上，并且在分析层面上给用户定制化和个性化体验。不仅降低了数据分析门槛，用户也可直接在线上简单操作即可完成启动分析。

全面拥抱云计算，解决数据存储、传输、分析、安全问题

BGI Online作为大规模生物信息的分析平台，堪称基因行业的“应用市场”。依托部署在阿里云计算平台的服务，BGI Online更轻松地拥有了处理大规模基因组数据分析的能力。

基于BGI Online的基因数据分析需求，华大基因在阿里云平台上，设计了计算资源弹性伸缩、多级存储、海量存储计算与数据安全的云平台架构。

通过专线接入，来传输测序中心几十TB/day的数据；通过平台多数据中心部署，计算能力放至数据所在地，为美国、欧洲与中国等提供测序；混合使用阿里云的多种计算服务，数据通过OSS来互通。通过ECS在线上高灵活度地输出基因测序、利用批量计算测序可大规模降低成本、MaxCompute实现MapReduce小时级测序。

合作过程中，阿里云为华大基因提供了企业级支持服务和专家服务，保障华大基因的云上业务搭建与运转。包括指导产品选型与使用技术、提供APM报告及相应性能的分析优化；排查整改系统安全隐患、对生产高峰的任务支持进行专门保障。从曾经三四天才能输出一人基因分析，到如今实现了22小时内达成千人基因组分析的人类梦想。

生命的价值值得我们为之努力

基因组学数据是“天然”的大数据，计算分析的价值会超过测序本身，与云计算和大数据技术的结合是行业的需要。华大基因股份有限公司CEO尹烨说过，“基因测序为生物技术带来的改变，为生命创造的价值，值得我们为之努力。”

多年来，华大基因积累了来自制药、科研、临床和个人等多样且丰富的客户，对市场需求有了更深的理解。未来，华大基因将利用积累的技术与经验，继续研发不同层次结构组成，专注于生物信息分析流程开发和基因数据的挖掘的平台。未来应用应该可跨平台共享，由云计算服务持续提供底层数据存储、压缩的优化。 如此，势必能为中国在未来数十年在生命科学、生物产业提供持续增长的强劲动力。

了解更多请微博关注阿里云客户满意中心